小波包能量谱在发动机故障检测中的应用

小波包是继小波分析之后的又一种新型多尺度分析方法,它具有对非平稳信号进行局部化分析的功能,是在多分辨率基础上构成的一种更精细的正交分解方法,可以解决小波分析在高频部分分辨率差的缺点.本文以小波包分析为基础,对发动机振动信号进行实例分析,通过对采样信号的分解和重构,取其特征向量作为能量谱,比较正常信号和故障信号的能量谱和功率谱,能够判断出发动机的故障状态,验证了小波包能量谱对发动机故障检测的可行性.     

提升小波变换技术在多传感器数据融合中的应用

为克服传统小波变换的不足,采用提升小波变换法设计了能较好处理非线性问题的小波域中值滤波器,并应用于水电厂水轮机噪声监测数据融合中,对具有不同分辨率的多传感器数据进行融合,结果表明该算法有效.     

基于神经网络信息融合的发动机失火故障诊断

对发动机气缸失火故障进行实车模拟试验,测量了发动机的机体振动信号及瞬时转速信号,并对其进行了时、频域分析.通过小波分析方法提取了振动信号能量特征,通过复杂度分析方法提取了转速信号的复杂度特征用于故障诊断.根据多传感器信息融合理论,建立了集成神经网络信息融合模型对气缸失火故障进行了诊断.结果表明,发动机机体振动能量特征和转速复杂度特征能够反映气缸失火现象,基于发动机振动和转速信息融合进行气缸失火故障诊断,诊断可靠性较高.     

基于小波变换的透平叶片DR变能量成像研究

平板探测器数字射线检测（DR）与传统胶片照相相比,具有更高的动态范围,但对于蒸汽、燃气轮机叶片等厚度变换大的工件,采用常规工艺成像质量较差。在获取系列管电压DR图像的基础之上,采用一定的图像融合手段可将图像中的有效结构信息提取出来并融合到一张图像上实施评定。采用小波变换算法,实现射线变能量图像的融合,成功把透平叶片不同电压下的DR图像有效融合。结果表明,运用了变能量成像的方法来改良对叶片的DR数字射线检测,可以得到更加直观的图像,有效提升了透平叶片的检测效率。     

基于小波包能量分析及改进支持向量机的风机机械故障诊断

为了准确诊断风机的机械故障,提出了一种基于小波包能量特征和改进支持向量机的诊断方法.在某4-73No.8D风机实验台上对13种不同运行状态下的振动信号进行采集,利用小波包对振动信号进行消噪、分解与重构,提取其小波包能量特征,得到了各运行状态下风机多测点信息融合的小波包能量特征向量,并利用改进支持向量机对特征向量样本集进行训练与测试,实现了风机机械故障的分类诊断.结果表明:该诊断方法能够有效地诊断风机机械故障的类别、严重程度和发生部位,且诊断准确率高、测试时间短,适用于在线机械诊断.     

基于小波能量熵和粗糙集的振动故障诊断研究

通过对不同振动故障信号进行小波包分解,得到若干个小波分解系数,进而从中获得各小波系数能量,并以此为特征进行基于粗糙集理论的特征约简分析,根据约简后生成的诊断规则对故障样本进行诊断,在确定故障的基础上,通过小波能量谱熵来衡量故障严重程度.实验结果显示通过基于粗糙集理论的RSES软件实现故障诊断准确率较高,同时能量谱熵参数可以在一定程度上衡量故障程度.     

基于特征金字塔融合高分辨率网络的光伏热斑识别

针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络热斑细节信息丢失、特征冗余的难题。其次,引入特征金字塔的多尺度融合模块,跨层连接深浅层不同尺度特征图,解决特征语义的鸿沟、提高模型识别精度。实验结果表明：所提出的算法在光伏红外热斑图像数据集上的分类效果优于经典的深度卷积神经网络算法,准确率可达97.2%,可实现高精度高分辨率的热斑检测识别。     

基于多模态时频图融合的风电机组齿轮箱故障诊断方法

特征提取是故障诊断问题的关键,风电机组齿轮箱负载多变,振动数据量大、信息密度低,导致多模态融合诊断方法的特征学习性能和计算成本难以兼顾。为此,提出了基于多模态时频图融合的风电机组齿轮箱故障诊断方法。首先,使用小波包分解算法对齿轮箱振动数据集进行故障特征分析;然后,将所得分解子信号和原始信号分别转化为二维时频图像,形成体现小波域和时频域的互补故障特征;最后,利用卷积神经网络(convolutional neural networks, CNN)分别学习图像纹理的深层特征并进行特征融合,训练基于CNN-ViT(vision transformer)的多模态故障诊断模型。以凯斯西储大学齿轮箱轴承数据进行验证,所提模型在变负载和未知故障下,相比其他单模态和多模态方法具有较高的准确率,时频图融合方法能够以较低计算成本实现小波域和时频域双模态的故障特征学习。     

基于经验小波变换的振动信号分析

针对风力发电机振动信号非线性和非平稳特性,提出基于经验小波变换的振动信号分析方法。分析经验小波变换自适应傅里叶谱分割,构造合适的小波滤波器提取不同的调幅-调频模态函数,并对其进行希尔伯特变换,获取瞬时频率和幅值。结合仿真信号和振动信号实验,并与希尔伯特-黄变换进行模态分解和时频能量谱对比分析。实验结果表明,经验小波变换分解得到的各分辨率模态具有相应的时域信号特征,有利于信号进一步时频处理分析,而且模态分解层数少于经验模态分解,具有完备小波理论支撑证明,不存在虚假模态的特点;在时频能量谱图上,比基于希尔伯特-黄变换更能较好地体现原有振动信号的特征。这有助于为振动信号特征提取与故障诊断研究提供新思路。     

小波分析降噪方法在碰磨和突加不平衡信号特征提取中的应用

研究了小波分析降噪方法在碰磨和突加不平衡信号特征提取中的应用。碰磨信号和突加不平衡信号均具有较强的非平稳性。小波分析降噪方法具有自适应和多分辨率分析的特点,适合于对非平稳信号进行滤波处理。通过仿真和实验分析,并将结果与传统的低通滤波方法进行比较。结果表明：小波分析降噪方法能够有效抑制碰磨和突加不平衡信号中的噪声并保留故障特征信息。     

光伏阵列故障检测中的无人机红外图像拼接

红外遥感图像可用来检测光伏组件的异常发热,为获得大视野的地面信息需要图像拼接技术,该文提出一种基于快速鲁棒特征检测(speeded-up robust features,SURF)算子的红外光伏图像自动拼接算法。基于K-d树(Kdimension tree)算法的匹配结果,结合匹配对的坐标信息提出一种优化算法,减少了随机抽样一致(random sample consensus,RANSAC)算法的迭代次数,并采用最佳缝合线算法进行图像融合;然后优化平移变换模型、修正旋转序列的角度,基于待拼接图像和模板之间的重叠区域自动修正拼接参数。实现从图像序列到全景图的全自动拼接流程。试验表明,该方法使RANSAC算法的迭代次数平均减少93.26%,处理时间平均减少86.21%。在没有无人机位置和飞行方向的少参数条件下,基本消除了光伏组件的几何相似性导致的误匹配和累计误差。     

Development of Wavelet Image Compression Technique to Particle Image Velocimetry

IntroductionParticle Image Velocimetry (PIV) is a non-intrusiveflow visualization technique and is now firmly established as a powerful fluid dynandcs tool to measure flowvelocity in the area of fluid mechanics. Even moreimportant than this remarkably improved performance ofthe PIV technique, is its unique ability to captureinstantaneous full-field flow and thus to allow thequantitative detection of spahal stfuctllres in unsteadyflows, which is not possible with other experimentaltechniques…     

基于地基云图的超短期太阳辐照预测方法与装置研究

提出一种自主研发全天空成像仪的云图曝光优化方法，通过自主研发的地基云图采集仪采集地基云图，结合在同一时刻连续拍摄的不同曝光度的云图，利用动态范围优化算法对云图进行处理。对优化后的云图进行特征提取，将图像特征作为预测模型的输入数据，建立基于BP(back propagation)神经网络的预测模型。验证结果表明：在5 min预测尺度上，所建立模型的预测均方根误差相比持续性模型降低14.31%。与现有研究对比，所建立的模型具有更低的均方根误差（RMSE）。     

基于小波和分形提取磨粒图像特征参数的研究

根据小波变换和分形理论在多尺度分析与自相似本质上的一致性，提出了一种提取磨粒图像特征参数的新方法。给出了磨粒图像的小波变换方法和小波变换近似系数的分形维数计算方法，然后对磨粒图像进行了分析，实现了磨粒图像的特征提取。结果表明：小波变换近似系数的分形维数反映了磨粒图像上磨粒尺度及数量，可以作为磨粒图像的综合特征参数。     

空气预热器热点检测系统的研究

针对现场环境,用低照度CCD获取空气预热器金属部件在不同温度下图像信息,通过小波包变换,以最佳子空间下每层熵值总和作为特征向量元素,按分解顺序排列每层熵值总和,获得图像的特征。采用具有距离特征的类别可分性判据,对空气预热器不同的工作状态(正常、发生火情)进行识别,试验表明,该方法准确有效。图3表1参7     

基于EMD-WVD振动谱时频图像SVM识别的内燃机故障诊断

为了充分提取基于内燃机振动信号形成的振动谱时频图像的二维时频信息,实现基于内燃机振动谱时频图像特征自动提取及识别,提出了一种基于EMD-WVD(EMD-Wign-er-Ville Distributions)振动谱时频图像SVM识别的内燃机故障诊断方法。该方法利用二进制小波对振动信号进行预处理,然后利用EMD-Wigner-Ville时频分布生成不同工况下振动信号的时频图像,并通过提取振动信号的EMD-WVD振动谱时频图像的不变矩特征形成诊断特征向量,利用一种基于类识别率排序的二叉树SVM分类器进行模式识别。在BF4L1011F型内燃机上进行了6种不同工况下气门故障模拟试验,诊断结果表明总体诊断正确率为98.57%。     

基于红外热图的空气预热器热点检测系统

提出了一种基于空气预热器转子红外热图分析的空气预热器热点检测方法．通过对采集到的图像数据进行坐标转换并采用三次样条法进行像素的插值,获取空气预热器转子的红外热图,然后采用小波变换的软阈值去噪法对其进行滤波,在此基础上提取能量特征,并采用能量特征对空气预热器的不同工作状态(正常、异常)进行识别．实验结果表明,该方法可以有效识别空气预热器的异常工作状态．     

Visualization of a turbulent jet using wavelets

ho-cttonCoherent strUctUres are known to ealst and areresPOnsible for most of the momentUIn transfer inndulent jets. Many identification techniques, such asimage processing, sPeCtI'a analysis, spatial correlationfimctions, education schemes, PrOper OrthOgonaldecomposihon, stOChastic eshInation, pattem recoghhon,and wave1et tusform, are wen established to detennincoheret stI'Ucwts. Howevee the local scales with resPeCtto spacehme change continously for the turblence andthe coheren stheA…     

基于振动谱时频图像特征及SVM参数同步优化识别的内燃机故障诊断

为实现内燃机振动谱时频图像特征的自动提取及识别,提出了一种基于振动谱时频图像特征优选及SVM(support vector machine)同步优化识别的内燃机故障诊断新方法.该方法首先采用小波包生成内燃机振动谱时频相平面图,然后从内燃机振动谱图像的形状特征、灰度统计特征和纹理特征来提取特征参数,最后将支持向量机引入内燃机振动谱图像识别中,并针对机械振动谱图像特征参数优选问题,以及SVM的核函数及核函数参数选择问题,提出了基于免疫克隆选择机理的特征选择和SVM参数同步优化算法.内燃机故障诊断实例表明,所提方法故障分类准确率达到了98.92%,验证了该方法的有效性.该方法为实现内燃机振动谱图像特征的自动提取及识别探索了一条新途径.     

W型火焰锅炉炉膛温度场的可视化试验研究

使用火焰辐射图像探测系统探测炉膛空间发射到镜头各像素的辐射能量，然后从能量传递和平衡的角度，由所得图像重建空间的温度场。在300MW机组W型火焰炉进行了炉膛二维断面温度场可视化重建试验。试验在炉膛壁面布置4个CCD火焰探测器，采用计算机图像采集处理技术获取炉膛火焰辐射图像，通过对火焰辐射图像的处理以厦相关算法，重建炉膛断面温度分布、可动态反映火焰断面温度水平、火焰中心的偏穆和火焰刷墙等燃烧异常工况。断面温度场可视化结果刷新一次的时间不超过5S，满足在线监测的要求。